金融的核心是什麼？嚴謹的金融從業者，答案必是風控。在消費金融行業中，風控貫穿了從貸前、貸中直至貸後的全部過程。而優秀、專業、經驗豐富的風控人員是保障行業血脈暢通的根基。
10月27日，MinTech首席風險官蘇建成先生受邀擔任"互聯網信貸風控模型搭建及核心技術應用專題班"導師，向百餘位風控從業者傳授互聯網信貸反欺詐模型開發經驗，現場互動熱烈。
作為風控領域的資深專家，蘇建成曾在美國第一資本銀行Capital One、花旗銀行、摩根大通長期擔任消費金融業務高階管理工作，曾管理百億美元信用卡資產的全流程風控。此次，他從互聯網金融的欺詐風險、大數據+AI時代的反欺詐、如何開發有效反欺詐模型、反欺詐模型案例分析等四個層次，帶領學員循序漸進破解風控命門。
消費金融爆發之際反欺詐盛行
幾年來，中國消費金融市場發展迅速。雖然消費信貸滲透率（短期消費信貸/消費支出）仍遠低於美國等成熟市場，但市場潛力巨大，預計短期消費貸款市場2020年有望突破10萬億元。然而，伴隨著消費金融的蓬勃發展，風險控制面臨重重挑戰。
蘇建成介紹到，中國是全球身份欺詐最高發地區之一，互聯網金融一半以上的壞賬風險來自欺詐風險。在銀行、支付、電商、消費信貸等不同領域，欺詐方式和手段各有不同，甚至形成了有組織的黑色產業鏈。
普惠金融覆蓋的人群多數遊離在傳統徵信系統之外。而且消費金融需要考慮用戶體驗，需要在短時間內，迅速作出判斷。這都無形中直接增加了風控的難度。
大數據+AI時代的反欺詐
"做反欺詐沒有一招打遍天下的。"在蘇建成看來，反欺詐之戰不是某一種技術或方法的單打獨鬥，而是一場集數據、技術和機制於一體的綜合防禦戰。其中，"大數據+AI"是拯救風控行業的最大想象力。
他談到，消費金融中的反欺詐廣泛依賴模型化和自動化，去進行反欺詐預防和信用管理。可以說，數據是反欺詐的基礎，模型是核心競爭力，系統架構直接影響用戶體驗及欺詐識別。
其中，反欺詐常用的大數據信息包括授權信息、申請表信息、內部歷史數據、徵信數據和黑名單等。對此，蘇建成強調，要強調對客觀數據的分析和應用，科學謹慎的使用第三方數據，不可一味依賴外部的數據源。第三方數據的來源不同、質量不同、信息多元化，互金公司應根據自身的業務需求、用戶特點等，安排專人評估測試，並逐步搭建自身數據庫。
同時，他還按照模型設計開發流程，詳細與學員們分享瞭如何有效搭建反欺詐模型，並指出數據問題往往被忽略，而最終成為模型失敗的重要原因。
現場互動熱烈
培訓會現場，學員們就蘇建成的分享反饋熱烈，大家紛紛就"模型設計開放流程"、"預防警示"、"電話號碼反欺詐"、"汽車金融的風險控制"等實操問題展開積極討論。
蘇建成表示，目前，新型欺詐手段不斷滋生，金融欺詐風險不斷升級，金融機構應把被動的反欺詐防禦方式變為主動預警,嚴把風控關。信貸反欺詐模型的底層技術和原則是一致的，但在不同金融場景中需注意差異化運用。
閱讀更多 科技全知道 的文章
